ఉచిత HTML నుండి Markdown కన్వర్టర్

ఇది ఎలా పనిచేస్తుంది

ఈ కన్వర్టర్ చేతితో రాసిన, సున్నా-డిపెండెన్సీ regex పైప్‌లైన్ చుట్టూ నిర్మించబడింది — ఏ థర్డ్-పార్టీ లైబ్రరీ దిగుమతి చేయబడదు. మొత్తం మార్పిడి React useMemo కాల్ ద్వారా మీ బ్రౌజర్‌లో నడుస్తుంది, మీరు టైప్ చేస్తుండగా అవుట్‌పుట్‌ను లైవ్‌గా అప్‌డేట్ చేస్తుంది.

1. 1
   పేస్ట్ గుర్తింపు రిచ్ టెక్స్ట్‌ను అడ్డగిస్తుంది

   బ్రౌజర్ సాదా టెక్స్ట్ అతికించే ముందే ClipboardEvent హ్యాండ్లర్ క్లిప్‌బోర్డ్ నుండి text/html రూపాన్ని చదువుతుంది. అంటే వెబ్ పేజీ, Google Docs, లేదా Word నుండి నేరుగా అతికిస్తే ముడి HTML మార్కప్ స్వయంచాలకంగా పట్టుకోబడుతుంది — ముందుగా source చూడాల్సిన అవసరం లేదు.
2. 2
   బహుళ-పాస్ regex పైప్‌లైన్ ట్యాగ్‌లను తీసేసి మారుస్తుంది

   కన్వర్టర్ regex పాస్‌లను కఠినమైన క్రమంలో నడుపుతుంది: ముందుగా <head>, <script>, <style>, మరియు HTML కామెంట్‌లను తీసివేస్తుంది, తర్వాతి పాస్‌లు కోడ్ విషయాన్ని పాడుచేయకుండా fenced code blocksను null-byte placeholders వెనుక దాచిపెడుతుంది. తర్వాతి పాస్‌లు headings (h1–h6), blockquotes, చిత్రాలు, లింక్‌లు, bold/italic/strikethrough, ordered మరియు unordered జాబితాలు, మరియు ప్రాథమిక GFM pipe పట్టికలను నిర్వహిస్తాయి — ప్రతి పాస్ నిర్దిష్ట ట్యాగ్ కుటుంబాన్ని లక్ష్యంగా చేసుకుంటుంది.
3. 3
   Entity డీకోడింగ్ మరియు ఖాళీ నార్మలైజేషన్

   అన్ని ట్యాగ్‌లు తీసివేసిన తర్వాత, ప్రత్యేక decodeEntities ఫంక్షన్ String.fromCodePoint ఉపయోగించి named entities (&amp;, &lt;, మొదలైనవి) మరియు సంఖ్యా దశాంశ మరియు hex character references (&#39;, &#x27;)ను పరిష్కరిస్తుంది. తప్పుగా ఏర్పడిన లేదా పరిధి-వెలుపలి code points లోపం ఇవ్వకుండా Unicode replacement characterతో భర్తీ చేయబడతాయి. తర్వాత చివరి ఖాళీలు, ఖాళీ లైన్‌ల వరుసలు, మరియు అదనపు ఖాళీలు నార్మలైజ్ చేయబడతాయి.
4. 4
   రక్షిత కోడ్ భాగాలు పునరుద్ధరించబడతాయి

   placeholder వ్యవస్థ (null-byte-విభజిత సూచికలు) తీసివేత, డీకోడింగ్, మరియు ఖాళీ కుదింపు పూర్తయిన తర్వాత చివరగా విప్పబడుతుంది. ఇది కోడ్ లిటరల్స్ లోపల entity శ్రేణులు రెండుసార్లు డీకోడ్ కాకుండా నిరోధిస్తుంది — సాధారణ HTML-to-Markdown కన్వర్టర్‌లలో కనిపించే double-decode బగ్.

సంబంధిత సాధనాలు